TY - Jour A2 - 王，Qingling Au - Wang，Chengtao Au - Li，Wei Au - Xin，Gaifang Au - Wang，Yuqiao Au - Xu，Shaoyi Py - 2019 Da - 2019/10/31 Ti - 腐蚀电流预测模型 - 预测模型基于QPSO驱动的神经网络SP-3429816 VL-2019 AB的杂散电流引起的密度 - 在流动电流干扰下对地铁系统中的埋入管道和地铁系统中的金属结构进行电化学腐蚀。腐蚀电流密度决定了杂散电流腐蚀的程度和速度。在该研究中利用了与机器学习算法结合电化学实验的方法，以研究杂散电流和氯离子的耦合作用下的腐蚀电流密度。在该研究中，建立了量子粒子群优化 - 神经网络（QPSO-NN）模型，以预测杂散电流腐蚀过程中的腐蚀电流密度。采用QPSO算法来优化人工神经网络（ANN）中权重和偏置的更新过程。结果表明，所提出的QPSO-NN模型的准确性优于基于反向化神经网络（BPNN）和粒子群优化 - 神经网络（PSO-NN）的模型。QPSO-NN模型的精度分布比BPNN模型和PSO-NN模型更稳定。所提出的模型可用于预测腐蚀电流密度，并提供通过智能学习算法监控地铁系统中的杂散电流腐蚀的可能性。SN - 1076-2787 UR - https://doi.org/10.1155/2019/3429816 Do - 10.1155 / 2019/3429816 JF - 复杂性PB - Hindawi Kw - ER -